KI-Sichtbarkeit messen: Methode und echte Messwerte

Was KI-Sichtbarkeit wirklich ist

KI-Sichtbarkeit messen heißt: zählen, wie oft eine KI-Engine deine Marke in einer Antwort nennt, und nachsehen, welche Quellen sie dabei zitiert. Mehr ist es nicht. Keine Position, kein Punktwert von hundert, und nichts, was Google dir in einem Bericht liefert.

Der Begriff braucht trotzdem einen eigenen Namen, weil sich die Oberfläche verändert hat. Ein Ranking sagt dir, an welcher Stelle deine Seite in einer Liste steht, die ein Mensch noch lesen muss. Eine KI-Antwort ersetzt diese Liste. Wenn die Engine drei Tools aus deiner Kategorie nennt und deines nicht dabei ist, spielt deine Position auf Seite eins in diesem Gespräch überhaupt keine Rolle.

Unter derselben Überschrift stecken zwei sehr verschiedene Dinge. Das eine ist die Frage, ob das Modell dich überhaupt kennt. Dieses Wissen liegt in den Trainingsgewichten und ändert sich erst mit dem nächsten Modell. Das andere ist die Frage, ob die Engine deine Seite währenddessen abruft und sie dann zitiert. Die meisten Dashboards rühren beides zu einer einzigen Prozentzahl zusammen. Es sind getrennte Probleme mit getrennten Lösungen, und dieser Text hält sie auseinander.

Warum es keine Rangzahl gibt

Stell dieselbe Frage fünfmal und du bekommst womöglich fünf verschiedene Markenlisten zurück. Temperatur, Modell-Routing, ein stiller Versionswechsel, die Uhrzeit. Nichts davon kontrollierst du, und nichts davon hält lange genug still, um Rang genannt zu werden.

Ein einzelner Durchlauf ist also eine Stichprobe und keine Messung. In einer von einer Antwort genannt zu werden, ist keine volle Sichtbarkeit. Das ist eine Münze, die einmal Kopf gezeigt hat.

Deshalb gibt Luminas Checker eine Häufigkeit mit einem Wilson-Konfidenzintervall von 95 Prozent aus statt einer Position. Wilson ist das Intervall für kleine Stichproben, weil es innerhalb der Skala bleibt, wo die Lehrbuchformel darüber hinausschießt. Drei Nennungen in drei Läufen ergeben 44 bis 100 Prozent, was eine ehrliche Art ist zu sagen, dass die Stichprobe für eine Aussage zu klein ist. Fünf von fünf engen es auf 57 bis 100 Prozent ein. Immer noch kein Rang.

Wer dir eine saubere Position deiner Marke in ChatGPT verkauft, macht eines von zwei Dingen. Entweder laufen dort viel mehr Wiederholungen, als der Preis vermuten lässt. Oder ein Münzwurf wird auf eine Zahl gerundet.

Trainingswissen und Live-Abruf sind zwei Fragen

Frag eine Engine mit abgeschalteter Websuche und du erfährst, woran sie sich erinnert. Frag dieselbe Frage mit eingeschalteter Websuche und du erfährst, was sie findet. Das sind zwei verschiedene unternehmerische Probleme.

Markenbekanntheit liegt in den Gewichten. Sie bewegt sich, wenn das Modell neu trainiert wird, und dieser Zeitplan gehört nicht dir. Genau deshalb ist ein Unternehmen, das dieses Jahr gegründet wurde, für die Trainingsschicht unsichtbar, egal wie gut seine Inhalte sind. Beim Live-Abruf ist es umgekehrt. Da zählt, ob ein Bot deine Seite heute erreicht, ob die Seite die Frage beantwortet und ob die Engine der Domain genug traut, um sie zu zitieren. Das lässt sich in dieser Woche reparieren.

Perplexity hat gar keine Trainingsschicht zum Testen. Eine Anfrage ohne Websuche ist dort ein Fehler und kein leeres Ergebnis. Perplexity ist ein Suchprodukt und antwortet nie allein aus Gewichten. Der Vergleich zwischen Erinnerung und Abruf hat also drei Engines, nicht vier, und das offen hinzuschreiben ist besser als eine vierte Spalte ohne Inhalt.

Live Audit: vier Engines, zwei Märkte, real gemessen

Alles Folgende stammt aus echten Aufrufen über Luminas eigenen Proxy am 11. und 12. September 2026, abgerechnet über ein reales DataForSEO-Konto. Die unbearbeiteten Antworten für ChatGPT, Perplexity und die drei Mentions-Endpunkte liegen im Repository unter studies/ai-visibility/. Die Werte für Claude und Gemini stammen aus dem Messprotokoll und nicht aus einer gespeicherten Datei, sind also protokolliert statt nachprüfbar.

Was die Engines tatsächlich zitieren

Der wichtigste Befund: Den einen KI-Zitationsgraphen gibt es nicht. Es gibt einen pro Engine, und er verändert sich noch einmal pro Markt.

Nimm die archivierten deutschen AI-Overview-Antworten, in denen seo tool vorkommt. Die meistzitierte Quelle darin ist youtube.com mit 3.118 Nennungen. Seobility als bestplatzierter Anbieter liegt bei 751. Wenn dein Plan für diese Kategorie ein gut geschriebener Blogartikel war, ist das Ding, das dir das Zitat wegnimmt, ein Video.

Dieselbe Domain über zwei Engines gerechnet sieht ähnlich unruhig aus. Ahrefs sammelt im US-Markt 6.167 Nennungen in Google AI Overviews und 1.950 in ChatGPT. Das zugerechnete KI-Suchvolumen liegt bei 4.056.660 gegenüber 56.483. Diese Lücke misst nicht, wie gut Ahrefs bei ChatGPT ist. Sie misst, wie viel größer die beobachtete Google-Oberfläche ist, und sie ist der Grund, warum ein einzelner verrechneter Sichtbarkeitswert fast nichts aussagt.

Diese Zahlen stammen aus dem Vergleichslauf vom 11. September, deshalb stehen hier andere Modelle als in der Preistabelle weiter unten. Die beiden ChatGPT-Werte sind die zwei gespeicherten Aufrufe mit Websuche.

Perplexity ist der Ausreißer, den man kennen sollte. Es kamen fast dreimal so viele Quellen zurück wie bei Claude, und die 20 Annotationen des gespeicherten Aufrufs verteilten sich auf 17 verschiedene Domains, statt sich auf zwei oder drei zu drängen. Diese Breite zum niedrigsten Preis mit Websuche macht es zur nützlichsten Abfrage für den Live-Abruf.

Warum die Messung für DACH anders ausfällt

Zwei Dinge machen den deutschen Markt zum Sonderfall, und beide werden in Anbieter-Dashboards selten erwähnt.

Das erste sind die beobachteten Nennungsdaten für ChatGPT. Die decken die USA auf Englisch ab und sonst nichts. Ein deutscher Standortcode liefert kein dünnes Ergebnis, sondern wird als ungültiger Parameter zurückgewiesen. Wer dir also eine ChatGPT-Sichtbarkeit für eine deutsche Marke zeigt, zeigt dir eine Modellrechnung oder eine Live-Abfrage. Beobachtung ist es nicht, und der Unterschied gehört in jeden ehrlichen Report.

Das zweite ist das Quellenprofil. In archivierten deutschen AI-Overview-Antworten zur SEO-Kategorie liegt YouTube vor jedem Fachanbieter, und deutschsprachige Portale wie seo-kueche.de oder seorch.de tauchen zwischen den internationalen Marken auf. Wer seine GEO-Strategie aus amerikanischen Fallstudien ableitet, optimiert für einen Zitationsgraphen, der hier so nicht existiert.

Praktisch heißt das: miss mit deutschem Standort und deutscher Sprache, oder miss gar nicht. Ein übersetzter englischer Prompt an ein Modell ohne Ländercode beantwortet eine Frage, die deine Kundschaft nie gestellt hat.

Die vier Kennzahlen, die zählen

Vier Zahlen decken fast alles ab, was Leute eigentlich meinen, wenn sie KI-Sichtbarkeit messen wollen.

Erwähnungsrate und Zitierquote werden ständig verwechselt, und der Unterschied entscheidet über die Taktik. Ein Modell, das dich aus dem Gedächtnis nennt, kostet dich nichts und bringt dir nichts. Ein Modell, das deine Seite zitiert, legt einem Menschen einen Link hin. Wer nur die erste Zahl misst, hält alles für gut, während niemand ankommt.

Share of Voice ist die Kennzahl, die ich jedem geben würde, der ein Budget rechtfertigen muss. Absolute Nennungszahlen wackeln bei jedem Modellwechsel. Dein Stand gegenüber den vier Wettbewerbern, die im selben Atemzug genannt werden, ist viel stabiler, und das ist ohnehin der Vergleich, den ein Leser gerade anstellt.

Warum diese Tools so viel kosten

Die Preise in dieser Kategorie wirken willkürlich, bis man die Aufrufe misst. Danach nicht mehr. Die Werte unten gelten pro Anfrage, gemessen am 12. September gegen die Modelle, die der Checker inzwischen fest nutzt.

Das Gedächtnis eines Modells auszulesen kostet fast nichts. Es suchen zu lassen kostet rund das Neun- bis Vierundzwanzigfache, und das Geld geht in die Suche statt in die Tokens. Ein kleineres Modell spart dir deshalb nichts. Multipliziere das mit ein paar Wiederholungen, mehreren Prompts und vier Engines, und du weißt, warum die Listenpreise in diesem Feld bei rund 25 Dollar im Monat anfangen und über 250 hinausgehen.

Es gibt einen zweiten Kostenpunkt, vor dem niemand warnt, und ich kenne ihn nur, weil ich den Fehler selbst ausgeliefert habe. Ein Parameter, den ein Modell ablehnt, lässt die Anfrage scheitern, und zwar gratis. Als ich ein neueres ChatGPT-Modell festgelegt habe, lehnte es ein Feld für das Token-Limit ab, das das ältere noch akzeptierte. Sämtliche ChatGPT-Aufrufe schlugen fehl. Es gab keine Rechnung, auf der das aufgefallen wäre, und keine Fehlermeldung zum Abfangen. Der Punktwert rechnete fröhlich weiter, während eine Engine still gar nichts beitrug.

Die Feldmenge gehört also zum Modell und nicht zur Engine. Zwei Modelle desselben Anbieters nahmen unterschiedliche Parameter. Teste ein neues Modell, bevor du es festlegst, denn ein abgelehntes Feld kostet nichts und der Test ist damit umsonst.

Was die Zahlen nicht hergeben

Die Archive mit beobachteten Nennungen werden am ehesten überverkauft, deshalb hier, was wirklich drinsteht. Sistrix taucht in 1.409 archivierten deutschen AI-Overview-Antworten auf. Die dazu gespeicherten Fragen sind Zeichenketten wie optimierung seo, seo optimierung und http s. Das sind Suchanfragen und keine Chat-Prompts. Wer diesen Datensatz als echte Nutzer-Prompts beschreibt, beschreibt etwas anderes.

Drei weitere Grenzen, die man aussprechen sollte:

• Keine Engine veröffentlicht, wie sie Quellen auswählt. Jede Kausalaussage in diesem Feld, meine eingeschlossen, ist aus Ergebnissen erschlossen.
• Ein kostenloser Lauf umfasst eine Handvoll Wiederholungen. Das reicht, um nie-genannt von oft-genannt zu trennen, und nicht, um 40 von 55 Prozent zu unterscheiden.
• Personalisierung und Chat-Verlauf machen deinen eigenen Bildschirm zum schlechtesten Messgerät überhaupt. Wer ChatGPT selbst fragt, ob es die eigene Marke kennt, erfährt etwas über seinen Account und nichts über die Marke.

Das macht die Messung nicht wertlos. Es macht das Intervall drumherum zum ehrlichen Teil des Reports.

FAQ

Wo du anfängst